A neoplasia de mama é a neoplasia maligna de maior incidência em mulheres em grande parte do mundo, e no Brasil não é diferente. A busca pela redução da mortalidade, no entanto, vai além do rastreamento, sendo também importante a orientação quanto a fatores de risco e sua respectiva prevenção. Além disso, a estruturação da rede assistencial é fundamental.
No Brasil, atualmente, é recomendado pelo Ministério da Saúde a realização da mamografia a cada dois anos, dos 50 aos 69 anos. No entanto, o intervalo médio de tempo entre o diagnóstico e o início do tratamento é de quase 2 meses, o que pode impactar nos desfechos oncológicos de cada paciente. Assim, um rastreamento sistematizado e eficiente, definitivamente leva a um diagnóstico mais precoce e pode aumentar as chances de cura de cada paciente.
Neste contexto, estratégias que otimizam e aumentam a eficácia da detecção de alterações pela mamografia são fundamentais.
Um estudo publicado pela Nature, em 2020, apresenta um sistema de Inteligência Artificial (IA), desenvolvido e avalizado por Estados Unidos (EUA) e Reino Unido, que mostrou diminuição nas taxas de falso-positivo e falso-negativo para predição de neoplasia de mama, usando deep learning para compilar uma base de dados criada pelos dois países.
Como parte dessa base de dados, no Reino Unido, foram coletadas mamografias de 25.856 mulheres. Destas, 785 mulheres realizaram biópsia e 414 tiveram o diagnóstico de câncer em até 39 meses após a realização da mamografia. Já nos EUA, as mamografias de 3.097 mulheres foram coletadas, sendo que 1.511 foram biopsiadas neste período e 686 tiveram o diagnóstico de câncer em até 27 meses após o exame.
O estudo analisou, a partir dos casos de neoplasia de mama confirmados por biópsia, a capacidade de predição do sistema de IA, comparando com as decisões originais feitas pelos profissionais na prática clínica. A performance humana foi registrada com base na decisão clínica de convocar a paciente para prosseguir investigação em caso de exame suspeito.
O uso de IA aumentou a especificidade e sensibilidade absolutas em 1,2% e 2,7% no Reino Unido e 5,7% e 9,4% nos EUA (com valores de p significativos). Para aferir se o teste era generalizável em outras populações e cenários de rastreamento, a base de dados do Reino Unido foi aplicada nos EUA, mostrando também melhor especificidade e sensibilidade comparado aos radiologistas.
Entretanto, é importante destacar que os radiologistas que analisaram os exames eram generalistas (e não especializados em radiologia mamária), o que é citado pelos autores como uma limitação do estudo. Além disso, os médicos detectaram mais neoplasias in situ que o sistema de IA.
Mas ainda assim, as implicações clínicas potenciais são inúmeras e promissoras. As classificações realizadas pelo sistema de IA poderiam ser usadas para triar casos de alto risco e reduzir a carga de trabalho gerada no processo de dupla checagem, enquanto manteriam o padrão atual (primeira avaliação humana). Além disso, as mesmas poderiam fornecer um feedback imediato aos médicos após o laudo, aumentando as chances de um exame corretamente interpretado.
É importante destacar que essas tecnologias não vieram substituir a avaliação médica, mas sim otimizar os protocolos de rastreamento. Por fim, essas análises destacam o potencial de uso da tecnologia, aumentando o sucesso da detecção precoce e, consequentemente, oferecendo melhores chances de cura para cada paciente – o grande objetivo de todo profissional envolvido no cuidado oncológico.
Conteúdo desenvolvido por Dra. Maria Thereza (@radioterapedia/Twitter – @mthzams/Instagram), Dr. Fábio Y. Moraes (@fabiomoraesmd/Twitter – @drfabio.moraes/Instagram) e time Câncer em Foco.
Este resumo foi baseado neste conteúdo https://www.nature.com/articles/s41586-019-1799-6
Este link pode levar a sites ou publicações que exigem o pagamento ou associação como membro para acesso. Sugerimos e incentivamos o acesso ao conteúdo completo para aprofundamento nos temas apresentados.